Microsoft AI: MAI-Voice-2.1

MAI-Voice-2.1 is het met prompts aangestuurde tekst-naar-spraakmodel van Microsoft AI voor werk waarbij expressieve voordracht en geluidsgetrouwheid belangrijk zijn. De modelkaart omvat drieëntwintig talen en zesentwintig taalvarianten, met natuurlijke intonatie, ritme en emotionele nuances. De fabrikant noemt luisterboeken, vertelteksten voor media, contentcreatie en voice-overs als belangrijkste toepassingen. Deze versie legt de nadruk op langere expressieve content; MAI-Voice-2.1-Flash is de afzonderlijke keuze voor interacties waarbij een korte reactietijd belangrijk is.

Vertellen met een consistente spreker

De modelkaart beschrijft één stemidentiteit die consistent wordt weergegeven in alle ondersteunde talen. Voor het genereren van langere stukken wordt de tekst in delen verwerkt en wordt context meegenomen om de samenhang tussen passages te verbeteren. Dat is nuttig voor een les, een hoofdstuk van een luisterboek of een reeks verwante voice-overonderdelen waarin het karakter van de verteller behouden moet blijven. Bereid samenhangende passages met duidelijke grenzen voor en behoud dezelfde sprekerkeuze door het hele stuk.

De invoer is het definitieve transcript, met een optionele sprekerreferentie en SSML-regelaars voor expressiviteit. Een briefing voor een verteltekst moet onderscheid maken tussen wat de luisteraar hoort en productienotities. Schrijf voor een technische uitleg een duidelijke inleiding, vervolgens de concrete stappen en de afsluitende instructie. Schrijf productnamen en terugkerende termen steeds op dezelfde manier. Bereid voor een gelokaliseerde verteltekst het script in de doeltaal voor; de gekozen taal en stem bepalen hoe het wordt uitgesproken.

Sprekers, rollen en controle over expressiviteit

Microsoft biedt een zorgvuldig samengestelde stemmenbibliotheek en beschrijft ondersteuning voor meerdere sprekers in dialogen. Harper en Grant zijn voorbeelden van sprekeridentiteiten met vermeldingen voor verschillende taalvarianten. In een educatief gesprek tussen twee personen kunnen de vraag en de uitleg verschillende stemmen krijgen, waarbij dezelfde toewijzing behouden blijft wanneer een rol terugkomt. Label de gesproken regels duidelijk zodat het gewenste gesprek in de synthese-invoer is vastgelegd.

Toon en voordracht kunnen via SSML per spreekbeurt of zin worden vormgegeven. Stijlen zijn sprekergebonden: de beheerde catalogus vermeldt taakgerichte vertel- of onderwijsstijlen voor geschikte stemmen en emotionele keuzes zoals blij of opgelucht voor andere stemmen. De Amerikaanse vermelding van Harper ondersteunt die twee emotionele stijlen. Kies de spreker en diens gedocumenteerde voordrachtstijl samen, in plaats van een stijl van een andere stem over te nemen.

In een verhaal of presentatie kan expressiviteit een feitelijke uitleg, een beschouwende passage en een levendig citaat van elkaar onderscheiden. Een praktische zin is: “De eerste poging gaf ons een onvolledig beeld. Toen we de hele reeks bekeken, werd de ontbrekende stap duidelijk.” Bepaal waar de betekenis verandert en bereid de gesproken eenheden daarop voor. Luister naar de overgangen zodat de voordracht het verhaal volgt en niet elke zin even sterk benadrukt.

Referentiestem en audioresultaat

De optionele modus voor een aangepaste stem benadert een spreker die toestemming heeft gegeven op basis van een audioreferentie van vijf tot zestig seconden, zonder fine-tuning. Microsoft raadt een natuurlijke gesprekstoon en gematigde energie in die referentie aan, omdat het fragment de gegenereerde stem beïnvloedt. De workflow voor een aangepaste stem vereist goedkeuring van de fabrikant en een opgenomen toestemmingsverklaring. De bibliotheek met vooraf gebouwde stemmen vormt een afzonderlijke route voor stemselectie.

De fabrikant laat een uitvoerformaat kiezen en slaat in het gepubliceerde synthesevoorbeeld mono-MP3 op met 24 kHz en 160 kbit/s. Deze instellingen beschrijven één uitvoerworkflow. Kies de audiorepresentatie voor de volgende montage- of afspeelfase en houd het script, de spreker en de volgorde van de onderdelen gekoppeld aan de opname. Een voltooid hoofdstuk of een les kan meerdere gegenereerde passages bevatten en toch één samenhangende luisterervaring blijven.

Het langere resultaat gebruiken

MAI-Voice-2.1 is gericht op natuurlijkheid en expressie wanneer een onmiddellijke reactie minder belangrijk is dan de gesproken uitvoering. Controleer bij een langer stuk terugkerende namen, grenzen tussen onderdelen, de stemmen die aan dialogen zijn toegewezen en veranderingen in emotioneel register. De documentatie beschrijft mogelijkheden voor lange content en mechanismen voor consistentie, zonder een onbeperkt script of een gegarandeerde maximale opnameduur vast te leggen. Het praktische resultaat is expressieve audio waarvan de verteller, formulering en opbouw overeenkomen met het voorbereide materiaal.